基于粒子群优化的软子空间聚类算法
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究成果 | 第10-15页 |
| 1.2.1 研究现状 | 第10-14页 |
| 1.2.2 发展趋势 | 第14-15页 |
| 1.3 工作内容及创新点 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 子空间聚类相关技术研究 | 第18-32页 |
| 2.1 基础聚类算法与演变的聚类算法 | 第18-20页 |
| 2.1.1 基础聚类算法 | 第19-20页 |
| 2.1.2 演变的聚类算法 | 第20页 |
| 2.2 子空间聚类算法 | 第20-22页 |
| 2.2.1 搜索策略的子空间聚类算法 | 第21页 |
| 2.2.2 特征加权的子空间聚类算法 | 第21-22页 |
| 2.3 智能优化算法 | 第22-31页 |
| 2.3.1 基本原理 | 第22-25页 |
| 2.3.2 演化计算优化算法 | 第25-29页 |
| 2.3.3 确定簇数的方法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于K均值聚类算法的框架类型 | 第32-36页 |
| 3.1 基于传统K均值聚类算法 | 第32-33页 |
| 3.2 权重向量K均值类型聚类算法 | 第33页 |
| 3.3 软子空间聚类算法 | 第33-34页 |
| 3.4 K均值聚类框架的收敛性 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于粒子群优化的软子空间聚类算法 | 第36-46页 |
| 4.1 子空间聚类目标函数 | 第38-41页 |
| 4.2 自适应粒子群算法优化子空间 | 第41-43页 |
| 4.3 确定聚类数目算法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 算法实现与分析 | 第46-60页 |
| 5.1 实验环境 | 第46页 |
| 5.2 性能指标 | 第46-47页 |
| 5.3 算法实现 | 第47-52页 |
| 5.3.1 子空间算法实现 | 第47-48页 |
| 5.3.2 子空间优化算法实现 | 第48-52页 |
| 5.4 实验结果分析 | 第52-60页 |
| 5.4.1 人造数据集 | 第53-55页 |
| 5.4.2 UCI数据集 | 第55-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录A 算法部分代码 | 第66-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
